Prediksi Penjualan Barang Menggunakan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS)

Allyna Virrayyani(1*), Sutikno Sutikno(2),

(1) 
(2) Universitas Diponegoro
(*) Corresponding Author
DOI: https://doi.org/10.23917/khif.v2i2.2554

Abstract

Prediksi penjualan barang merupakan salah satu cara untuk menjaga stabilitas penjualan barang. Hasil prediksi yang diperoleh dapat dijadikan sebagai pertimbangan untuk mengambil keputusan dalam perencanaan manajemen bisnis. Salah satu metode yang dapat digunakan untuk prediksi adalah Adaptive Neuro-Fuzzy Inference System (ANFIS). Di dalam penelitian ini, ANFIS diimplementasikan dalam sebuah aplikasi sistem prediksi penjualan barang. Prosedur prediksi menggunakan analisis runtun waktu. Aturan ANFIS menggunakan model fuzzy Takagi-Sugeno dan fungsi keanggotaan tipe Generalized bell dengan 2 data masukan untuk 1 data target. Dari hasil pelatihan dan pengujian ANFIS untuk penjualan Beras Delanggu Raja, diperoleh nilai Mean Absolute Persentage (MAPE) pelatihan sebesar 9.4180332828% dan diperoleh nilai MAPE pengujian sebesar 7.5343642644%. Hasil MAPE pengujian tersebut kurang dari batas toleransi error, yaitu 20 %. Batas toleransi tersebut berdasarkan penafsiran Batey dan Friedrich di mana MAPE < 10% merupakan perkiraan yang sangat baik dan 10% < MAPE < 20% merupakan perkiraan yang baik. ANFIS berhasil memprediksi penjualan Beras Delanggu Raja pada bulan yang akan datang dengan total 4944. Aplikasi sistem telah diuji menggunakan pengujian black-box. Seluruh prosedur pengujian dinyatakan berhasil.

Keywords

prediksi; penjualan barang; Adaptive Neuro-Fuzzy Inference System; model fuzzy Takagi-Sugeno

References

W. Jiyun, p. Geng & d. Wei, Prediction of online trade growth using search-ANFIS: Transactions on Taobao as examples, IEEE International Conference on Fuzzy Systems, Beijing, 2014.

H.B. Zhang, Y.F. Huang, S.X. Sun & Y. Zhao, Application of ANFIS in engine fault prediction, Applied Mechanics and Materials, Vol. 651-653, pp. 651-654,2014.

I. Develi & U. Sorgucu, Prediction of temperature distribution in human BEL exposed to 900 MHz mobile phone radiation using ANFIS, Applied Soft Computing Journal, Vol. 37, pp. 1029-1036, 2015.

C. Kalaiselvi & G.M. Nasira, A new approach for diagnosis of diabetes and prediction of cancer using ANFIS, 2014 World Congress on Computing and Communication Technologies, WCCCT 2014, pp. 188-190, Tapilnadu, 2014.

J.F. Chen & Q.H. Do, Prediction of student academic performance using an ANFIS approach, International Journal of Information and Management Sciences, vol. 25, issue 4, pp. 371-389, 2014.

A.H Saputra,., Tarno& B. Warsito, Analisa Data Runtun Waktu dengan Metode Adaptive Neuro-Fuzzy Inference System (ANFIS). Jurnal Gaussian, Vol. 1, No. 1, pp. 31-40, 2012.

M.A. Boyacioglu, & D. Avci, An Adaptive Network-Based Fuzzy Inference System (ANFIS) for The Prediction of Stock Market Return : The Case of Istanbul Stock Exchange. Elsevier, Vol. 37, pp.7908-7912, 2010.

Syukriyadin & R. Syahputra, Prakiraan Beban Listrik Jangka Pendek Kota Banda Aceh Berbasis Logika Fuzzy, Jurnal Rekayasa Elektrika, Vol. 1, No. 1, pp. 46-51, 2012.

I. Sommervile, 2003. Rekayasa Perangkat Lunak. 6th ed. Jakarta: Erlangga.

Article Metrics

Abstract view(s): 3567 time(s)
PDF (Bahasa Indonesia): 2572 time(s)

Refbacks

  • There are currently no refbacks.